1.基于交互式卷积神经网络的无参考立体图像质量评价方法，其特征在于，包括以下步骤：步骤一：将左视图和右视图融合成中央眼图像；

步骤二：对中央眼图像进行不重叠切块操作，生成图像块，对每一个图像块进行局部规范化；

步骤三：搭建交互式卷积神经网络，将局部规范化的图像块输入交互式卷积神经网络，预测每一个图像块的质量评分；所述交互式卷积神经网络由两个子网络构成，每个子网络包括4个卷积模块和2个全连接层，卷积模块的输入不仅由上一层模块输出决定，还与另一个子网络有关，实现子网络之间的信息交互；最后将两个子网络的输出串联，再经过全连接层输出每一个图像块的预测的质量评分；

步骤四：计算图像块的质量评分的平均值，作为整个立体图像的质量分数。

2.如权利要求1所述的无参考立体图像质量评价方法，其特征在于，步骤一具体为：通过能量增益控制模型来模拟初级视皮层区的双目融合过程，由左、右视融合生成中央眼图像；所得到的中央眼图像的表达式为：CI(x,y)＝WL(x,y)·IL(x,y)+WR((x+d),y)·IR((x+d),y)其中，x表示像素点横坐标，y表示像素点纵坐标，I(x,y)表示像素值，CI表示融合图像，WL和WR分别表示左视图IL(x,y)和右视图IR(x,y)的权重，d表示左视图到右视图的像素视差值；

左右视图权值由Gabor滤波器幅度响应计算得出，其表达式为：

其中，GEL和GER分别是左、右视图对Gabor滤波器卷积响应的总和。

3.如权利要求1所述的无参考立体图像质量评价方法，其特征在于，步骤二包括：对中央眼图像进行不重叠切块操作，生成大量的图像块，所切割的图像块数量表达式为：其中，M×N表示每个视图的分辨率，m×n表示分割后每个切块的分辨率，且M＞m,N＞n。

4.如权利要求1所述的无参考立体图像质量评价方法，其特征在于，步骤二包括：对切割完的图像的每一个图像块进行局部规范化；首先将图像块像素值范围调整为[0,1]，然后进行局部规范化，表达式为：其中，I(i,j)表示原图像， 表示规范化后的图像，C表示一个常量，当分母趋于0时，保证式子的稳定性，ω＝{ωp,q|p＝‑P,...,P,q＝‑Q,...Q}是P×Q的高斯权重函数，P和Q分别表示窗口尺寸大小。

5.如权利要求1所述的无参考立体图像质量评价方法，其特征在于，步骤四中，采用空间局部质量池化的方法来计算整个立体图像的质量；通过对每个图像块预测得到的局部质量分值进行平均，得到最终的感知立体图像质量分数。

6.如权利要求5所述的无参考立体图像质量评价方法，其特征在于，立体图像的质量分数计算表达式为：其中，i＝1,2,...,p表示每一个立体失真图像的p个中央眼图像块，f(Pi)表示图像块局部质量评分，Pi表示第i个图像块。